Fugu-MT 論文翻訳(概要): Cesarean Scar Defect Segmentation in Transvaginal Ultrasound Images: a Dataset and Benchmark

論文の概要: Cesarean Scar Defect Segmentation in Transvaginal Ultrasound Images: a Dataset and Benchmark

arxiv url: http://arxiv.org/abs/2605.26774v2
Date: Tue, 02 Jun 2026 13:06:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-03 18:57:50.06914
Title: Cesarean Scar Defect Segmentation in Transvaginal Ultrasound Images: a Dataset and Benchmark
Title（参考訳）: 経ヴァージナル超音波画像におけるCesarean Scar Defect Segmentation: データセットとベンチマーク
Authors: Yuan Tian, Yue Li, Wei Xia, Tianyu Xu, Jian Zhang, Liye Shi, Jing Liu, Yang Wang, Ming Liu, Qing Xu, Yixuan Zhang, Maggie M. He, Xiangjian He,
Abstract要約: CSD(Cesarean Scar Defect)は、帝王切開後の合併症の1つである。経バジナル超音波CSDセグメンテーションのためのパブリックデータセットは存在しない。この研究は、医用画像分割アルゴリズムの進歩と臨床革新を促進するための高品質なベンチマークリソースを提供する。
参考スコア（独自算出の注目度）: 25.559766831053746
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Cesarean Scar Defect (CSD) is one of the most prevalent complications following cesarean delivery. Transvaginal ultrasonography is widely used for primary CSD screening. Accurate determination of CSD outline and dimensions is crucial for treatment. However, CSDs are frequently overlooked by sonographers due to small size and irregular morphology, suboptimal image quality, and limited clinical awareness in resource-constrained settings. Despite artificial intelligence advances in medical imaging, no public dataset exists for transvaginal ultrasound CSD segmentation. To address this gap, we present a comprehensive CSD dataset comprising 1,111 images and 16 videos, yielding 501 positive samples with confirmed CSD and precise pixel-level manual annotations. Annotations are performed following standardized clinical guidelines through collaboration between experienced sonographers and trained PhD students. This work provides high-quality benchmark resources for advancing medical image segmentation algorithms and promoting clinical innovation. Ultimately, improved CSD diagnosis and subsequent treatment strategies can enhance the quality of life in women of reproductive age, representing significant value for both medical research and clinical practice.
Abstract（参考訳）: CSD(Cesarean Scar Defect)は、帝王切開後の合併症の1つである。経血管的超音波検査は原発性CDDスクリーニングに広く用いられている。 CSDアウトラインと寸法の正確な決定は治療に不可欠である。しかし、CSDは、小さいサイズと不規則な形態、最適な画像品質、リソース制限された設定における臨床認識の制限により、しばしば音韻学者によって見落とされがちである。医用画像における人工知能の進歩にもかかわらず、経バジナル超音波CSDセグメンテーションのための公開データセットは存在しない。このギャップに対処するため,1,111枚の画像と16本の動画からなる総合的なCSDデータセットを提示し,確認されたCSDと正確なピクセルレベルの手動アノテーションを備えた501個の陽性サンプルを得た。アノテーションは、経験豊富なソノグラフィーと訓練されたPhD学生の協力を通じて、標準化された臨床ガイドラインに従って実行される。この研究は、医用画像分割アルゴリズムの進歩と臨床革新を促進するための高品質なベンチマークリソースを提供する。最終的に、改善されたCSD診断とその後の治療戦略は、生殖年齢の女性における生活の質を高め、医学研究と臨床実践の両方に重要な価値をもたらす。

関連論文リスト

Epistemic-aware Vision-Language Foundation Model for Fetal Ultrasound Interpretation [83.02147613524032]
医療用AIシステムFetalMindについて報告する。本稿では、専門家による2部グラフをモデルに注入し、ビュー・ディスリーズ関連を分離するSED(Salient Epistemic Disentanglement)を提案する。 FetalMindはすべての妊娠期のオープンソースおよびクローズドソースベースラインを上回り、平均利得は+14%、臨界条件では+61.2%高い。
論文参考訳（メタデータ） (2025-10-14T19:57:03Z)
Semantic Segmentation for Preoperative Planning in Transcatheter Aortic Valve Replacement [61.573750959726475]
経カテーテル大動脈弁置換術(TAVR)の術前計画のための医療ガイドラインを考察し,セマンティックセグメンテーションモデルを用いて支援できる課題を同定する。まず, 細粒度のTAVR関連擬似ラベルを, 粗粒度の解剖学的情報から抽出し, セグメンテーションモデルを訓練し, スキャンでこれらの構造がどれだけよく見つかるかを定量化する。
論文参考訳（メタデータ） (2025-07-22T13:24:45Z)
OpenPros: A Large-Scale Dataset for Limited View Prostate Ultrasound Computed Tomography [25.844490531325537]
前立腺癌は男性の中で最も一般的で致命的ながんの1つである。従来の経直腸超音波検査は、特に前立腺腫瘍の検出において、感度が低い。 OpenProsは、限定ビューのUSCT用に明示的に開発された最初の大規模ベンチマークデータセットである。
論文参考訳（メタデータ） (2025-05-18T06:56:49Z)
HDC: Hierarchical Distillation for Multi-level Noisy Consistency in Semi-Supervised Fetal Ultrasound Segmentation [2.964206587462833]
HDCと呼ばれる新しい半教師付きセグメンテーションフレームワークが提案されている。この枠組みは,特徴表現の整合化のための相関誘導損失と,雑音の多い学生学習を安定化するための相互情報損失の2つの目的を持つ階層的蒸留機構を導入している。
論文参考訳（メタデータ） (2025-04-14T04:52:24Z)
Automatic Quality Assessment of First Trimester Crown-Rump-Length Ultrasound Images [0.9626666671366837]
臨床ガイドラインへのCRL画像の付着性を検証可能な,新たなディープラーニングベースのソリューションを提案する。まず、重要な胎児構造を分類し、その局所構造を用いて臨床的に誘導されたマッピングを行う。提案するマッピングは,説明可能なだけでなく,最も優れた分類CNNよりも正確であることを示す。
論文参考訳（メタデータ） (2025-02-15T21:05:07Z)
CARE: A Large Scale CT Image Dataset and Clinical Applicable Benchmark Model for Rectal Cancer Segmentation [8.728236864462302]
CT画像の直腸癌セグメンテーションは、タイムリーな臨床診断、放射線治療、経過観察において重要な役割を担っている。これらの障害は直腸の複雑な解剖学的構造と直腸癌の鑑別診断の困難から生じる。これらの課題に対処するため,本研究では,正常直腸と癌直腸の両方にピクセルレベルのアノテーションを付加した,新しい大規模直腸癌CT画像データセットCAREを導入する。また,U-SAMと命名された新しい癌病変セグメンテーションベンチマークモデルを提案する。このモデルは、迅速な情報を取り入れることで、腹部器官の複雑な解剖学的構造によって引き起こされる課題に対処するように設計されている。
論文参考訳（メタデータ） (2023-08-16T10:51:27Z)
Adnexal Mass Segmentation with Ultrasound Data Synthesis [3.614586930645965]
教師付き学習を用いて, 副眼窩腫瘤の分節が可能であることを実証した。そこで我々は, 新たな病理特異的データ合成装置を応用し, その基礎的真理セグメンテーションを生かした医用画像を作成する。提案手法は,nU-Netベースラインアプローチと比較して最大8%向上するなど,すべてのクラスで最高のパフォーマンスを実現している。
論文参考訳（メタデータ） (2022-09-25T19:24:02Z)
Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
論文参考訳（メタデータ） (2020-10-09T14:39:27Z)
Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文参考訳（メタデータ） (2020-04-28T14:43:05Z)
VerSe: A Vertebrae Labelling and Segmentation Benchmark for Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文参考訳（メタデータ） (2020-01-24T21:09:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。